AI Benchy Bestenliste

Name: AI BENCHY Modell-Benchmark-Ergebnisse
Creator: AI BENCHY
License: https://aibenchy.com/methodology/

Benchmarks aus AI BENCHY-Test-Suites generiert am: 2026-10-01 Bewertete Modelle: 382

Empfohlene Modelle

GPT-6.1 Sol xhigh Intelligent Erfolgsquote pro Versuch 97.1% Korrekte Tests 22 / 23 Punktzahl 9.9/10 Gemini 3.7 Flash low Schnell Antwortzeit (Durchschnitt) 6.24s Gesamte Ausgabe-Token 38,453 Punktzahl 9.4/10 GPT-6 Luna high Preiswert Eingabepreis $0.100 / 1M Ausgabepreis $0.500 / 1M Preis für Cache-Lesen $0.010 / 1M Preis für Cache-Schreiben $0.125 / 1M Punktzahl 7.7/10

382/382

Rang	Modell	Punktzahl	Unternehmen	Gesamtkosten	Antwortzeit (Durchschnitt)
#282#282	Qwen3.6 Max Previewnone	5.3	Qwen	$0.228 ↓	7.82s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 11 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 53.6% Instabile Tests 2 Eingabe-Token 106,348 Ausgabe-Token 19,257 Denk-Token 0 Antwortzeit (Durchschnitt) 7.82s Antwortzeit (Gesamt) 172.04s Antwortzeit (Maximum) 102.62s Falsche Antwort: 11 Agentenaufgaben : 0.0 Anti-KI-Tricks : 5.2 Programmierung : 3.8 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.3 Befolgung von Anweisungen : 9.8 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#281#281	Kimi K2.5none	5.3	Moonshot AI	$0.262 ↑	35.86s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 18 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 29.0% Instabile Tests 4 Eingabe-Token 275,349 Ausgabe-Token 49,389 Denk-Token 0 Antwortzeit (Durchschnitt) 35.86s Antwortzeit (Gesamt) 609.61s Antwortzeit (Maximum) 321.19s Falsche Antwort: 17 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.6 Programmierung : 5.5 Kombiniert : 2.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#280#280	Granite 4.2 8Blow	5.3	IBM Granite	$0.036	58.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.2 Erfolgsquote pro Versuch 33.3% Instabile Tests 1 Eingabe-Token 332,917 Ausgabe-Token 18,989 Denk-Token 42,362 Antwortzeit (Durchschnitt) 58.20s Antwortzeit (Gesamt) 1338.65s Antwortzeit (Maximum) 566.80s Falsche Antwort: 11 Zeitüberschreitung: 3 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 8.3 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 3.0 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#279#279	GPT-5.6 Lunanone	5.3	OpenAI	$0.042 ↓	3.78s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 34.8% Instabile Tests 3 Eingabe-Token 230,744 Ausgabe-Token 8,000 Denk-Token 0 Antwortzeit (Durchschnitt) 3.78s Antwortzeit (Gesamt) 86.83s Antwortzeit (Maximum) 53.77s Falsche Antwort: 15 Zusätzliche Formatierung: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 3.8 Kombiniert : 3.2 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 7.1 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#278#278	Hy3 previewmedium	5.3	Tencent	$0.049 ↕	16.28s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 7 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 60.9% Instabile Tests 0 Eingabe-Token 27,030 Ausgabe-Token 73,544 Denk-Token 0 Antwortzeit (Durchschnitt) 16.28s Antwortzeit (Gesamt) 293.12s Antwortzeit (Maximum) 46.04s API-Fehler: 3 Falsche Antwort: 3 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 10.0 Programmierung : 5.3 Kombiniert : 5.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#277#277	Ember-1none	5.4	Fireworks	$0.786	22.65s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.8 Erfolgsquote pro Versuch 43.5% Instabile Tests 4 Eingabe-Token 202,617 Ausgabe-Token 11,832 Denk-Token 0 Antwortzeit (Durchschnitt) 22.65s Antwortzeit (Gesamt) 520.91s Antwortzeit (Maximum) 93.12s Falsche Antwort: 10 API-Fehler: 5 Agentenaufgaben : 6.1 Anti-KI-Tricks : 5.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.4 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 10.0 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#276#276	Step 3.5 Flashmedium	5.4	Stepfun	$0.105	190.48s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 12 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 49.3% Instabile Tests 3 Eingabe-Token 139,086 Ausgabe-Token 193,584 Denk-Token 413,546 Antwortzeit (Durchschnitt) 190.48s Antwortzeit (Gesamt) 3238.23s Antwortzeit (Maximum) 1597.85s Falsche Antwort: 6 Anweisungen nicht befolgt: 3 API-Fehler: 1 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 2.8 Anti-KI-Tricks : 10.0 Programmierung : 2.4 Kombiniert : 6.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.5 Befolgung von Anweisungen : 8.3 Rätsellösen : 5.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#275#275	MiMo-V2.6-Flashnone	5.4	Xiaomi	$0.060	6.20s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 2 Eingabe-Token 276,697 Ausgabe-Token 75,728 Denk-Token 0 Antwortzeit (Durchschnitt) 6.20s Antwortzeit (Gesamt) 142.63s Antwortzeit (Maximum) 62.57s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 3.7 Kombiniert : 3.7 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#274#274	Hy4 previewlow	5.4	Tencent	$1.844	207.21s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 20 Zuverlässigkeit 6.5 Erfolgsquote pro Versuch 21.7% Instabile Tests 4 Eingabe-Token 162,180 Ausgabe-Token 5,030 Denk-Token 682,447 Antwortzeit (Durchschnitt) 207.21s Antwortzeit (Gesamt) 4765.91s Antwortzeit (Maximum) 597.45s Falsche Antwort: 13 API-Fehler: 5 Anweisungen nicht befolgt: 1 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 6.0 Programmierung : 5.2 Kombiniert : 2.9 Datenanalyse und -extraktion : 8.7 Domänenspezifisch : 4.5 Allgemeine Intelligenz : 7.5 Befolgung von Anweisungen : 9.8 Rätsellösen : 5.3 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0
#273#273	North Mini Codemedium	5.4	Cohere	$0.000	140.39s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 8.9 Erfolgsquote pro Versuch 42.0% Instabile Tests 4 Eingabe-Token 166,347 Ausgabe-Token 423,884 Denk-Token 1,394,387 Antwortzeit (Durchschnitt) 140.39s Antwortzeit (Gesamt) 3229.07s Antwortzeit (Maximum) 786.72s Falsche Antwort: 10 Zusätzliche Formatierung: 2 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 8.4 Programmierung : 4.5 Kombiniert : 2.9 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 9.8 Rätsellösen : 3.3 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#272#272	Qwen3.8 27Bnone	5.4	Qwen	~$0.010	5.05s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 39.1% Instabile Tests 0 Eingabe-Token 281,460 Ausgabe-Token 13,791 Denk-Token 0 Antwortzeit (Durchschnitt) 5.05s Antwortzeit (Gesamt) 116.11s Antwortzeit (Maximum) 47.42s Falsche Antwort: 12 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 6.5 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 4.2 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#271#271	Claude Opus 4.7none	5.4	Anthropic	$0.505	3.02s
Modellkarte anzeigen Gesamttests 19 Falsche Tests 3 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 69.6% Instabile Tests 0 Eingabe-Token 69,576 Ausgabe-Token 6,265 Denk-Token 0 Antwortzeit (Durchschnitt) 3.02s Antwortzeit (Gesamt) 57.44s Antwortzeit (Maximum) 18.27s Falsche Antwort: 3 Agentenaufgaben : 0.0 Anti-KI-Tricks : 8.3 Programmierung : 3.3 Kombiniert : 4.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 7.7 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 10.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#270#270	Seed-2.0-Codenone	5.4	Bytedance Seed	$0.257	17.51s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 9.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 6 Eingabe-Token 319,668 Ausgabe-Token 32,069 Denk-Token 0 Antwortzeit (Durchschnitt) 17.51s Antwortzeit (Gesamt) 402.66s Antwortzeit (Maximum) 132.84s Falsche Antwort: 12 Zusätzliche Formatierung: 2 Anweisungen nicht befolgt: 2 Keine Antwort: 1 Agentenaufgaben : 6.1 Anti-KI-Tricks : 3.0 Programmierung : 3.6 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.5 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.2 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#269#269	GLM 5V Turbomedium	5.5	Z.ai	$0.457	23.08s
Modellkarte anzeigen Gesamttests 21 Falsche Tests 10 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 62.3% Instabile Tests 6 Eingabe-Token 44,615 Ausgabe-Token 2,347 Denk-Token 98,415 Antwortzeit (Durchschnitt) 23.08s Antwortzeit (Gesamt) 484.63s Antwortzeit (Maximum) 95.88s Falsche Antwort: 7 Ungültiger Werkzeugaufruf: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 0.0 Anti-KI-Tricks : 7.2 Programmierung : 6.0 Kombiniert : 3.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 9.9 Rätsellösen : 7.7 Werkzeugaufrufe : 7.0 Allgemeinwissen : 3.0
#268#268	Gemma 4 26B A4Bnone	5.5	Google	$0.031	10.55s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 1 Eingabe-Token 280,126 Ausgabe-Token 17,306 Denk-Token 0 Antwortzeit (Durchschnitt) 10.55s Antwortzeit (Gesamt) 242.57s Antwortzeit (Maximum) 75.76s Falsche Antwort: 10 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Zeitüberschreitung: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 8.3 Programmierung : 3.7 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.0 Befolgung von Anweisungen : 6.3 Rätsellösen : 6.2 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#266#266	Gemini 2.5 Flashnone	5.5	Google	$0.017	6.00s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 1 Eingabe-Token 39,886 Ausgabe-Token 1,890 Denk-Token 0 Antwortzeit (Durchschnitt) 6.00s Antwortzeit (Gesamt) 138.04s Antwortzeit (Maximum) 118.00s Falsche Antwort: 13 Anweisungen nicht befolgt: 1 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.0 Anti-KI-Tricks : 3.0 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.6 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#267#267	GPT-6 Lunanone	5.5	OpenAI	$0.026	20.48s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 9.9 Erfolgsquote pro Versuch 40.6% Instabile Tests 5 Eingabe-Token 222,357 Ausgabe-Token 6,855 Denk-Token 0 Antwortzeit (Durchschnitt) 20.48s Antwortzeit (Gesamt) 470.96s Antwortzeit (Maximum) 98.62s Falsche Antwort: 13 API-Fehler: 1 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 7.3 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 5.1 Befolgung von Anweisungen : 6.2 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#265#265	Kimi K2.6none	5.5	Moonshot AI	$0.222 ↓	26.34s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 30.4% Instabile Tests 3 Eingabe-Token 241,357 Ausgabe-Token 64,022 Denk-Token 0 Antwortzeit (Durchschnitt) 26.34s Antwortzeit (Gesamt) 605.78s Antwortzeit (Maximum) 238.89s Falsche Antwort: 13 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 4.6 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 3.1 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#264#264	Nemotron 3 Supermedium	5.5	NVIDIA	$0.081 ↑	56.40s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 9.5 Erfolgsquote pro Versuch 42.0% Instabile Tests 4 Eingabe-Token 229,346 Ausgabe-Token 18,597 Denk-Token 129,338 Antwortzeit (Durchschnitt) 56.40s Antwortzeit (Gesamt) 1184.46s Antwortzeit (Maximum) 431.98s Falsche Antwort: 6 API-Fehler: 4 Anweisungen nicht befolgt: 3 Keine Antwort: 1 Zeitüberschreitung: 1 Agentenaufgaben : 4.7 Anti-KI-Tricks : 8.3 Programmierung : 3.1 Kombiniert : 6.4 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 4.1 Befolgung von Anweisungen : 7.3 Rätsellösen : 3.0 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#263#263	Qwen3.5-35B-A3Bnone	5.6	Qwen	$0.213 ↑	18.31s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 17 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 37.7% Instabile Tests 4 Eingabe-Token 218,886 Ausgabe-Token 135,768 Denk-Token 0 Antwortzeit (Durchschnitt) 18.31s Antwortzeit (Gesamt) 421.19s Antwortzeit (Maximum) 209.15s Falsche Antwort: 14 Anweisungen nicht befolgt: 2 Ungültiger Werkzeugaufruf: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 3.4 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 6.5 Befolgung von Anweisungen : 6.3 Rätsellösen : 3.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#262#262	GLM 5none	5.6	Z.ai	$0.140 ↑	8.74s
Modellkarte anzeigen Gesamttests 22 Falsche Tests 13 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 40.6% Instabile Tests 1 Eingabe-Token 190,675 Ausgabe-Token 5,577 Denk-Token 0 Antwortzeit (Durchschnitt) 8.74s Antwortzeit (Gesamt) 131.17s Antwortzeit (Maximum) 74.80s Falsche Antwort: 13 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 4.0 Kombiniert : 1.5 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 3.0 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 10.0 Rätsellösen : 7.7 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#261#261	Solar Pro 4none	5.6	Upstage	$0.022	8.14s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 31.9% Instabile Tests 1 Eingabe-Token 305,664 Ausgabe-Token 13,249 Denk-Token 0 Antwortzeit (Durchschnitt) 8.14s Antwortzeit (Gesamt) 187.23s Antwortzeit (Maximum) 69.17s Falsche Antwort: 14 Ungültiger Werkzeugaufruf: 1 Keine Antwort: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 4.8 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 2.9 Allgemeine Intelligenz : 5.0 Befolgung von Anweisungen : 6.4 Rätsellösen : 5.4 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#260#260	GPT-5.4none	5.6	OpenAI	$0.690	3.89s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 16 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 33.3% Instabile Tests 2 Eingabe-Token 219,404 Ausgabe-Token 9,372 Denk-Token 0 Antwortzeit (Durchschnitt) 3.89s Antwortzeit (Gesamt) 89.48s Antwortzeit (Maximum) 43.73s Falsche Antwort: 15 Anweisungen nicht befolgt: 1 Agentenaufgaben : 5.0 Anti-KI-Tricks : 3.2 Programmierung : 5.5 Kombiniert : 3.0 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 6.5 Rätsellösen : 5.6 Werkzeugaufrufe : 10.0 Allgemeinwissen : 3.0
#259#259	Space Bunny Alphalow	5.7	Stealth	$0.000	30.63s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 15 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 53.6% Instabile Tests 10 Eingabe-Token 289,086 Ausgabe-Token 194,450 Denk-Token 0 Antwortzeit (Durchschnitt) 30.63s Antwortzeit (Gesamt) 704.47s Antwortzeit (Maximum) 340.88s Falsche Antwort: 13 Anweisungen nicht befolgt: 2 Agentenaufgaben : 4.7 Anti-KI-Tricks : 6.9 Programmierung : 5.6 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 4.4 Befolgung von Anweisungen : 4.4 Rätsellösen : 7.9 Werkzeugaufrufe : 4.7 Allgemeinwissen : 3.0
#258#258	Gemma 4 31Bnone	5.7	Google	$0.031 ↓	7.28s
Modellkarte anzeigen Gesamttests 23 Falsche Tests 14 Zuverlässigkeit 10.0 Erfolgsquote pro Versuch 42.0% Instabile Tests 1 Eingabe-Token 270,970 Ausgabe-Token 15,499 Denk-Token 0 Antwortzeit (Durchschnitt) 7.28s Antwortzeit (Gesamt) 152.84s Antwortzeit (Maximum) 44.73s Falsche Antwort: 11 API-Fehler: 2 Anweisungen nicht befolgt: 1 Agentenaufgaben : 3.9 Anti-KI-Tricks : 6.5 Programmierung : 5.5 Kombiniert : 3.8 Datenanalyse und -extraktion : 10.0 Domänenspezifisch : 5.3 Allgemeine Intelligenz : 10.0 Befolgung von Anweisungen : 6.5 Rätsellösen : 6.5 Werkzeugaufrufe : 3.0 Allgemeinwissen : 3.0

Globale Benchmark-Trends

Sieh, wie aktuelle Modelle Score, Kosten, Geschwindigkeit, Ausgabelänge und Kategoriestärke ausbalancieren.

Diagramme →

Pareto-Frontier: Intelligenz vs. Kosten

Score-Frontier führender Unternehmen im Zeitverlauf

Pareto-Frontier: Intelligenz vs. Antwortgeschwindigkeit

Pareto-Frontier: Score vs. Ausgabe-Tokens

Kategorieschwierigkeit über alle Modelle

Schnellvergleich

Gemini 3.6 FlashhighvsGemini 3.8 Flashhigh Gemini 3.8 FlashhighvsGPT-6 Solhigh GPT-6 SolhighvsGPT-6.1 Solmax GPT-6.1 SolmaxvsGPT-6 Astramax GPT-6 AstramaxvsGPT-6.1 Solxhigh GPT-6.1 SolxhighvsGPT-6 Astrahigh GPT-6 AstrahighvsGemini 3.7 Flashhigh Gemini 3.7 FlashhighvsGemini 3.6 Flashmedium Gemini 3.6 FlashmediumvsGPT-6.1 Solmedium GPT-6.1 SolmediumvsGPT-6.1 Solhigh GPT-6.1 SolhighvsGPT-5.6 Sollow GPT-5.6 SollowvsGPT-6 Astralow